kalman滤波器公式的推导

Posted shoutcharter

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了kalman滤波器公式的推导相关的知识,希望对你有一定的参考价值。

卡尔曼滤波的使用范围:

该系统要有如下关系:

 

 

计算步骤:

PART0:INI

 

 

 

PART1:Time update

 

 

 

 

迭代的目标:从X(K-1)+ 求得X(K) +

因此,先有X(K-1)+,已知F,G。得到X(K) -。再由K(k),y(k) 求得X(K)+。

但是K(k)需要P(K)-,P(K)-需要从(K-1)+得到。所以要算P(k)-。

为了保证迭代的继续还要计算P(K)+。

 

 

第一公式是假设:linear discrete-time system

根据《信号与系统》的描述,对于线性系统,必然有以上关系。如果是二阶系统,则要求二阶导数。

第二公式推导:

 

 

 

 

 

此时只有先验概率

 

Part2 Measure Update(ONLY FOR XK+)

 

 

 

第三公式的推导:

此时由于有了观测量,因此有了后验概率

 

 

 

 

 

 

 

第二公式的推导:说明 I-KH要对称,且K要对称。

为了使得Pk最小,Kk必须与Pk-1配合使用。与前一个状态相关。

 

 

 

 

以上是关于kalman滤波器公式的推导的主要内容,如果未能解决你的问题,请参考以下文章

SLAM 中的 Kalman Filter 推导

. 细说Kalman滤波:The Kalman Filter

自动驾驶 9-1: (线性)卡尔曼滤波器The (Linear) Kalman Filter

自动驾驶 9-1: (线性)卡尔曼滤波器The (Linear) Kalman Filter

Kalman滤波

Kalman滤波器原理和实现